I Probabilidades y Extadistica Unidad N* 10: Contraste, Docima 6 Verificacién De Hipétesis Ohjetivos Especificos Que ef estudiante: Comprenda los findamentos teéricos y la légica subyacente de la Inferencia Estadistica en una de sus dos grandes ramas: Docimdsia de Hipétesis. Analice el proceso de prucha de hipétesis estadistica para diferentes casos, teniendo en cuenta reglas de decision adecuadas, errores que se pueden cometer en dicho proceso y el cilculo de la fianci6n de potencia del test elegido y su correspondiente curva OC. Contenidos 1. Decisién estadistica 2. Hipstesis estadisticas 8 Concepto de docima. 4. Exrores y sus probabilidades. $.Distintos tipos de docimés. 6 Docima para. Uso de la distribucién Normal y “t" de Student. 7. Docima para p. Uso de la distribucién Normal. 8. Curva operatoria caracteristica (OO) y curva de potencia. 9 Docima para la varianza, Uso de las! (Chi cuadrado). 10, Docima e intervalos de confianza. Prok, Cara. Gladys M. Rowadi 100I Probabilidades y Extadistica CONTRASTE, DOCIMA 6 VERIFICACION DE HIPOTESIS de Hipétesis. Es un procedimiento de la Inferencia Estadistica para la toma de decisiones. ‘También llamada Prueba 6 ‘T 1. DECISION ESTADISTICA Se llama decisién estadistica, a una decision que se toma con respecto a algin aspecto de la poblacién, en base a evidencias proporcionadas por las muestras. Para tomar una decision estadistica se formulan conjeturas sobre las caracteristicas de una distibucién poblacional. Estas conjeturas se llaman Hipotesis Estadisticas, 2, HIPOTESIS ESTADISTICAS Consisten en suposiciones 6 conjeturas que se establecen acerca del valor de un metro (caracteristica de una distribucién poblacional). un supuesto acerca de uno © mais parimetros de la poblacién que debe ser rechazado ono en base a la evidencia muestral. Indica que no se han producido en la poblacién, efectos o cambios. Se denomina nula, en el sentido de que no existe diferencia real entre ¢l verdadero valor del parametro de la poblacién de la que hemos obtenido la muestra y el valor hipotetizado. Se simboliza por He Hipétesis Alternativa o Hipétesis Alterna Si la hipotesis nula es falsa, deberd existir otra hipétesis que sea verdadera. Esta hipétesis, recibe el nombre de hipétesis altemnativa. Indica la presencia de cambios 6 efectos en la poblaci6n. Se simboliza por H 3. CONCEPTO DE DOCIMA A partir de los conceptos dados, definiremos a la Docimisia de Hipotesis como un Experimento Aleatorio que se realiza para decidir sobre la veracidad o falsedad de una hipétesis, Hamada hipétesis nula, la que, por lo general, indica la ausencia de cambios, o efectos en la poblacién, en base a evidencia proporcionada por la muestra, midiendo los riesgos de cometer un error, aceptando (no rechazando) la hipétesis nula siendo falsa, 0 rechazéndola siendo cierta Antes de ver c6mo opera en términos estadisticos, analicemos el siguiente ejemplo, que nos permitiré mostrar el razonamiento para efectuar una prueba de hipéte: Prok, Cara. Gladys M. Rowadi JolI Probabilidades y Extadistica Asi, el razonamiento necesario, es muy similar al que se utiliza en una Corte de Justicia cuando se debe tomar la decisién de declarar © no culpable a una persona acusada de cometer un delito. Los actores de un juicio pueden resumirse en un acusado, un fiseal y un juez. Es, éste iiltimo, quien debe tomar la decisién de declarar o no culpable al acusado. El acusado sera considerado inocente hasta tanto las pruebas presentadas por el fiscal demuestren lo contrario. Asi Justicia Tue Prue He Inocemte Muestra Decision Hip6tesis (Pruebas) Tnocente Culpable Hise rechaza Hino se rechaza (Hh se acepta) Si la evidencia presentada al juez no es contundente, del acusado (no rechazo de Hy). En acusado, el juez te ste decidira por la inocencia ntrario, cuando la evidencia condene al la acusacién de culpabilidad (lo que SO C a mano una alternati equivale al rechazo de la hipétesis nula planteada). En cualquiera de los dos 10s, el juez puede cometer un error: 1. _Decidir por la inocencia del acusado (No rechazo © aceptacién de 1), v en realidad, éste sea culpable, (No rechavar 6 aceptar una hipétesis falsa). Decidir por la culpabilidad del acusado (Rechazo de Hi) y en realidad, te sea inocente. (Rechazar una hipétesis cierta). Plantearemos ahora, a través de un ejemplo, cémo opera la doc de hips Dadas: H,:0=0, (Elparimetro asume un valor particular, ) H, : # 0, (Elparimetro asume un valor distintode 8, , que puede ser mayor 0 menof) Recordemos que los estimador muestrales (6) son variables aleatorias, y ademiés, entre otras propicdades, deben se sesgados, lo que implica que E(6) = 0 Prok, Cara. Gladys M. Rowadi 102I Probabilidades y Extadistica Luego, si Hh es cierta, indica que 8 = ,, es decir que la muestra seleccionada provicne de una poblacién centrada cn @,, entonces cl estimador 6 se distribuiré con pardmetro 0, [E(6) =, |. Considerando que 6 ~ N (@,,¢;), podemos grafic Ho cierta Z LZ) LL = 6: ® 6 ~ 6 Zona de Rehan Zone de Aceptacién Zone Rehan Luego, se puede determinar la probabilidad de que una estimacién puntual (valor particular para @ en la muestra seleccionada) se aleje del parimetro @, mis alli de ciertos limites, llamados puntos criticos (6 -Y 63), y asuma valores en una zona llamada Regién Critica o Zona de Rechazo. (Valores de la variable entre -° y 6,” 6 entre 6,” y 9) Si esta posibilidad se fija a niveles muy bajos (0,05; 0,01 6 menores), seran muy pocas las veces que la estimacién puntual caiga en la regién critica cuando la hipétesis nula sea verdadera Cuando el punto estimado caiga en region critica puede ser que la hipétesis mula sea cierta y se halla presentado un evento de baja probabilidad de ocurrencia; pero es ms logico pensar que este resultado significative se debe a que la hipétesis nula es falsa (es decir #0,) y se ha producido, en la poblacién, el efecto o cambio que sefiala la hipotesis alternativa, por lo tanto se rechaza la hipétesis nula como falsa, Es por ello, que la regién critica es, en realidad una Zona De Rechazo de la hipotesis nula. Reiteramos que cuando Z/-es cierta, el valor del parametro es el indicado en ella. Cuando Hh es falsa, el valor del parémetro no es el indicado en ella, sino, él o uno de los indicados en H,, de acuerdo al tipo de docima, segin veremos mas adelante. Existe, en consecuencia, una probabilidad a, de que la hipétesis nula sea cierta y se la rechace como falsa (érea sombreada). A esta probabilidad la fija el investigador a niveles muy bajos, y se la lama Nivel De Significacion. Nivel se significacion = a = Pr {Rechazar Hy/ Hh Cierta} Prok, Cara. Gladys M. Rowadi 103I Probabilidades y Extadistica 4, ERRORES Y SUS PROBABILIDADES Cuando la estimacién puntual cae en zona de rechazo, se decide que Fhes falsa y se la rechaza, pero se puede cometer un error, llamado ERROR TIPO I, de rechazarla siendo cierta. Es decir que: Exror Tipo I~ Rechazar H./ Hh Cierta Y la probabilidad de cometerlo es igual a a, luego: = Nivel de Significacion = Pr { Exror Tipo I} = Pr {Rechazar Hi/ He Ci a} Por otra parte, cuando la estimacién puntual cae en zona de aceptacién, nos lleva aaceplar H. como verdade! cuando en realidad es fal , pudiendo cometer otro error, aceplar Hb como verdadera . Este es el ERROR TIPO IL. Fs decir que: Exror Tipo I= Aceptar H/ H. falsa Y la probabilidad de cometerlo es igual a B, luego: B ~ Pr {Etror tipo H} ~ Pr {Aceptar H./ Ho Falsa} Entonces, las decisiones y sus probabilidades, se resumen en la siguiente tabla: TGierta UW Falsa ere 0=0, 0)0 040.040, Aceptar He Decision Correcta Exror Tipo IT 6eZR Probabilidad: [a Probabilidad:p Rechacar He ror Tipo Decisiin Correcta Probailidad: Ge2R Probabilidad: a if Luego: J-a= PriAceptar Hy / Ho cierta} a= PrfRechwar Hg / Ho cierta) = Prleror tipo I}= Nivel de Sigiticac ién B= PriAceptar Hg / Ho laksa) = Prlemor tipo I 1-B= Prikechaar Hq / Ho taka) = Potenciade tadécima Grificamente: consideraremos la docima planteada al inicio de este tema, es deci Prok, Cara. Gladys M. Rowadi 104I Probabilidades y Extadistica Hy:0=0, H,:0#0, Aclaremos que las conclusiones a las que arribaremos son validas para todos los tipos de docima, Si Thes cierta, la distribucién del estimador tendra como parametro a 0. Si hes falsa, habra un conjunto de distribuciones para el estimador, cada una concentrada en un valor distinto, segtin lo supuesto en H, Légicamente, sélo seré valida una de ellas, pues el parémetro es una constante para una poblacién dada, pero al desconocerlo, podemos suponer valores que el mismo puede asumir, Entonces, segtin Hi @#8,, supondremos, considerando aH: falsa, valores menores y mayores a O- , gral identificando las distintas probabilidades. adas, para simplificar, en dos distribuciones, Eb Gierta Lea w2 a2 4 . = % % ee Zon de cept in Fh Falsa 1p eee 1B Z, —_| -% 00 ® 6 16 > 1 7-2 050) * Obsérvese: 1- La ubicacién de las probabilidades de ambos errores: a, definida en la zona de rechazo en la distribucién del estadistico bajo Hicierta y B, en la zona de aceptacién en la distribucién del estadistico cuando Hes falsa. Prok, Cara. Gladys M. Rowadi 105I Probabilidades y Extadistica 2. Las probabilidades a y B, no son complementarias porque se refieren a distintas distribuciones. Cuando Zh es cierta (9 =0,) no hay valores para B, ya que en este caso. s6lo hay dos eventos posibles: rechazar FLcierta y aceptar If cierta, cuyas probabilidades son ay L-a respectivamente. Cuando Hi es falsa los eventos son: aceptar Hh y rechazar Hh falsa, con probabilidades B y 1- respectivamente. 3. ay 1 son probabilidades de rechavar Hy mientras que B y 1a, son probabilidades de aceptar Hf, en distintas circunstancias. Los valores de B corresponden a la zona de aceptacién, la que esté determinada por , que corresponde a la zona de rechazo, Mientras mayor sea a, menor sera B, y viceversa. Es decir, @ y B varian en sentido inverso y no puede disminnirse una sin que aumente la otra, Por esta raz6n, solo se fija a, la probabilidad B depende de ella. La tinica manera de hacer disminuir las probabilidades de ambos tipos de errores simultaneamer ¢s aumentando el tamano de la muestra. Algunas vec n ay By posteriormente se calcula el tamaiio de la muestra para satisfacer las probabilidades prefijadas. . en ciertos problemas, se fi En particular, consideremos el siguiente ejemplo: Decisiones He: Llueve HH: No Lineve ph ‘DECISION CORRECTA ERROR TIPO I ay Aceptar H/ Ih. Gierta Aceptar Hy Ue Falsa Probabilidad ~ La Probabilidad 6. Roane ERROR T1POT ‘DECISION CORRECTA en Rechacar H/ Hs cetta Rechacar H/ H:falsa Probabilidad =a Probabilidad = 16, 5. DISTINTOS TIPOS DE DOCIMA Dado un parametro 8, objeto de la do parametro, @., para el cual se verifica la hipstes ralor particular de este pueden plante: A) Docimas de Hipstesis Compuestas 6 Inexactas I Docimas Bilaterales 2 Docimas Laterales 2.1, Derechas 2.2. Izquierdas Prok, Cara. Gladys M. Rowadi 106I Probabilidades y Extadistica B) — Docimas de Hipstesis Simples 6 Exactas 1. Docimas Laterales Derec Docitnas Laterales Izquierdas A) — Docimas de Hipstesis Compuestas 6 Inexactas Se contrasta un valor contra un conjunto de valores. (* ;>5<) 1) Docimas Bilaterales Hy:0=0, H,:0#0, La hipétesis nula dice que el parémetro es igual a 0, y la hipétesis alternativa dice que es distinto. Hh Cierta a2 1 a2 -a| Wa 4, 6 0-0. oO - Fh Falsa LB 1B L B — 0<0 18 | 1B 0>00 La zona de rechazo de Hz, est ubicada en ambos extremos de la distribucién, segtin 1, bajo la hipotesis nula cierta, Cuando la hipétesis nula es falsa, valor del parametro distinto 0s estimador se distribuye alrededor de otro Prok, Cara. Gladys M. Rowadi 107I Probabilidades y Extadistica Obsérvese, ademas, que los puntos eriticos calculados en base a a, en el supuesto de la [/-cierta, son quienes determinan las zonas de rechazo en Jos supuestos de If falsa, Ja cual no permite en estas distribuciones, hablar de simetria, por lo cual 1- B, es suma de las dos areas sombreadas, pero no podemes considerar iguales a las mismas. Luego: 1-a=Pr{6 < H, cierta} a=Pr{6< 651 H, cierta |+Pr{6> 0 / H, cierta} p=Pr {6 <6<651H, falsa} «ne lela. ge 1-p=Pr{d <6'/ H, falsa}+ Pr{6 > 6 / H, falsa} 2) Docimas Laterales En ambas, la Hi es cierta para un conjunto de valores, con lo cual se cubre el espacio paramétrico, ast Derecha Lquierda H,:0<0, H,:026, H,:0) 0, H,:0(0, Pero, para determinar a y la ona de rechazo sélo se tiene que encontrar el valor 0 =0., ¢s decir, cl MAYOR de los posibles valores del parimetro en la hipotesis mula de la docima lateral derecha y el MENOR en Ia misma hipdtesis de la docima lateral izquierda. Una ver establecida la zona de rechazo, hay para cada uno de los distintos valores posibles de 8, una probabilidad diferente de rechazar Ho cierta, pero estas probabilidades son siempre menores a, En efecto, en una docima lateral derecha (Hy: @ £0.) la hipotesis nula se verifica para todo valor del pardmetro menor © igual a 8, y dado que el estimador se distribuye alrededor de 6» que sirvié de base para calcular la zona de rechazo, calculamos el mayor de los riesgos que se corre en este supuesto, Prok, Cara. Gladys M. Rowadi 108I Probabilidades y Extadistica Grificamente: Or (880) Con un razonamiento andlogo deducimos que en la docima lateral izquierda, la probabilidad a de rechazar la Ho cierta, para @ mayor a Os, también es menor aa. N in 6 Ob « 00 Utilizamos a partir de esta explicacién: Docima Lateral Derecha Docima Lateral Lequierda Hy:0= H,:0=8, H,:0 ) 0, H,:0 (0, 2.1. Docimas Laterales Derechas H,:0= 0 H,:0) 0 La hipétesis nula dice que el que es mayor. metro es igual 0,, y la hipétesis alternativa dice Prok, Cara. Gladys M. Rowadi 109Probabilidades y Extadistica Hh. Cierta La a. yz 6 0 a Hh alsa 0>80 La Hy se rechavara cuando la evideneia proporcionada por la muestra nos haga pensar que el parimetro es superior a La zona de rechazo esti ubicada en el extremo derecho de la distribucién, segin H,, bajo la hipstesis nula cierta. Luego: beanPr| sé, crm | a=Pr{6>6°/H, cierta } (gep p=Pr{6<61H, falsa} la. ) 1-p=Pr{0)0°/H, falsa } 22, Docimas Laterales Izquierdas H,:0=0, Hy:0 (0, La hip6tesis nula plantea que el parametro es igual a Os y Ia alternativa que es menor a Os, Prok, Cara. Gladys M. Rowadi 110Probabilidades y Extadistica Hi, Cierta Li 6 00 6 Hh Falsa | LB i: <6 La I, se rechas suponer que el parimetro es inferior a 0s ii la evidencia proporcionada por la muestra nos hace La zona de rechazo esté en el extremo izquierdo de la distribucién del estimador, segtin 77), supuesto que [hes cierta, Lucgo: 1-a=Pr{620°/H, cierta} a=P{b(0'H, cierta } pr{d26°/H, falsa } B 1-B= Pr{d(6" /H,, falsa } Nota Obsérvese que la zona de rechazo se determina con la distribuci6n del estimador bajo la hipotesis nula cierta, pero la ubicacion de esta zona esta indicada por la hipotesis alternativa, sefialando cual es el tipo de docima. Ademés, decir que: H, cierta, implica @ = 6: Th falsa, implica 0 * 0; 0>0 0 <0, es decir Fh, segin ladocima. El calculo de los puntos criticos lo realizaremos cuando tratemos la docima de los parametros py P. Prok, Cara. Gladys M. Rowadi urI Probabilidades y Extadistica B) Docimas de Hipétesis Simples 6 Exactas Cuando se contrasta un valor para Hecontra un valor para Fi. Hy:0=0, H,:0 =6, Las docimas exactas son laterales derechas o izquierda, segtin sea 0; mayor 0 menor a 6 Grificamente: Docima Lateral Derecha La 0 Hb Falsa 8 1-8 “26 0=0) Docima Lateral Izquierda Eh Cierta La Y, 6 60 6 HL Falsa LB Zi; 6 0-6; 6 Prok, Cara. Gladys M. Rowadi 112I Probabilidades y Extadistica 6. DOCIMA PARA u. Uso de la Distribucién Normal y *t” de Student. Consideraremos para el desarrollo de este tema, los casos vistos en Estimacin Estadistica, a saber: ee 2) Poblaciones No Normales o” Desconocida ” Desconocida (30 4" De Student (30 n230 agrc n230 arc Ph tearemos para el caso de Poblaciones Normales, o’conocida, » cualquiera, el siguiente esquema de trabajo: 1. Identificaci6n del Pardmetro a docimar 0 ‘eleccién del Estimador 6 3. Determinacién del Estadistico K(6, 8) 4, Calculo de los Puntos criticos 0” 5. Regla de decision. 6. Caleulo de probabilidades involueradas El desarrollo se realizara teniendo en cuenta: 1- Docima de Hipotesis Simples: Lateral Derecha y Lateral Izquierda, 2 Docima de Hipétesis Compuestas: Lateral derecha, Lateral Izquierda y Bilateral Enelr to de los casos, se indicardn las modificaciones a realizar, en funcion de la distribucién que corresponda, pues los procedimientos y razonamientos son idénticos. Caso 1: Poblaciones Normales, ) Varianza Poblacional Conocida. Muestras de cualquier tamatio. Prok, Cara. Gladys M. Rowadi 1BI Probabilidades y Extadistica Docima de Hipétesis Simples Lateral Derecha Hipotesis Hie M= by Hy wap, donde p> po Hb Cierta Punto Critico Aceptar If (No rechazar Ih) y>x* Rechazar Hh let ron Si se ha determinado 7’ Si ose’ Aceptar Hi. (No rechavar Fh) z Rechazar Ih z Donde ¢=-—#* Ho r Probabilidades involucradas, Si Hino es cierta, es decir, frno es igual a 40, entonces existe otra distribucién, centrada en el valor mayor supuesto en la hipotesis alternativa, es decir “1 , generando las probabilidades B y 1 - £. Prok, Cara. Gladys M. Rowadi 14I Probabilidades y Extadistica H, Cierta Ho eee H, Falsa 0 xl Luego: {el Lateral Izquierda Hipotesis He: = My Hh w= 4, donde ps spe Prok, Cara. Gladys M. Rowadi 1sProbabilidades y Extadistica Punto Critico cee . 2 MMe Ze Fo Regla de Decision Si: >x* Aceptar H: (No rechazar H1) x* Rechazar Hy wie Si se ha determinado z*: Si 22a) Aceptar H (No rechazar H1) ze Rechazar Hy» Donde ¢=— @ vn Probabilidades involucradas. Si Thes cierta, es decir s1no es igual a 44 entonces existe otra distribucién, centrada en el valor de la hipotesis alternativa, es decir 42, generando las probabilidades By I - £. Prok, Cara. Gladys M. Rowadi 116Mi Lucgo: — Fey = eft > 3*/H,}= Pry 2 >t anodes sein jos} I-pariecrri jor 22 a} alvin Docima de hipétesis compuestas: Lateral derecha: Hipotesis He: = My Hi wow Prok, Cara. Gladys M. Rowadi Probabilidades y Extadistica Hi: Falsa I 7Probabilidades y Extadistica Punto Critico o tS 6 2 vn X= fy + Za Regla de Decision Aceptar H. (No rechazar Hh) * Rechazar Hi wie vA xis Si se ha determinado 2* Si ozs Aceptar H. (No rechazar FX) z>2z Rechazar Hh X-u Donde z= Si Hi. no es cierta, es decir 4 no es igual a 4s, entonces existen un conjunto de distribuciones posibles, centradas en los valores de yo mi hipotesis alternativa, generando las probabilidades By I - 8. Recuérdese: el valor del parémetro es tinico, el hecho de no conocerlo nos permite suponer valores para él, dentro de un conjunto de posibles, llamado espacio paramético. fores a 4b, segtin indica la Prok, Cara. Gladys M. Rowadi 118Probabilidades y Extadistica Hi, Cierta Hi Falsa NS 1-g ul Hi Y asi podriamos suponer mas distribuciones. Luego: Prok, Cara. Gladys M. Rowadi 119Probabilidades y Extadistica Hh: f= My Hop cul Hb Cierta Punto Critico _ oe | LG Si; x >x* Aceptar H, (No rechazar Hh) aS xt Rechazar Hh Si se ha determinado 2* Si: zz Aceptar Hi (No rechazar Hi) gsc Rechavar Hh Donde z==—# a vn Probal involucrada Si Hh no es cierta, es decir 41 no es igual a 4s, entonces existe un conjunto de distibuciones posibles centradas en valores menores a 46, segtin indica la hipotesis alternativa, generando las probabilidades By | - £. Prok, Cara. Gladys M. Rowadi 120I Probabilidades y Extadistica Graficamente: Fh Cierta : iP I = Fw ¥ Hh Falsa 1-8 Z) é 7 ¥ 6 1-8 B m4 ¥ Y asi podrfamos suponer mas distribuciones. Luego: Prof, Cara. Gladys M, Rowadi 121I Probabilidades y Extadistica Bilateral Hipétesis He: M= My Hi U4 by Hh Gierta fa ald x 7 Puntos Criticos 6 Bale Si: Xt << Xz Aceptar 74 (No rechazar HM) x2; Rechavar Fh Prok, Cara. Gladys M. Rowadi 122I Probabilidades y Extadistica Probabilidades involucradas Si Hino es cierta, es decir jz no es igual a js, entonces existe un conjunto de distribuciones posibles, centradas en valores de {f menores © mayores a fo, segtin indica la hipstesis alternativa, generando las probabilidades By 1 - 8. G mente: H, Cierta xl Hh Falsa ¥ 1 1-8 ¥ 1-8 1-8 mF Nota: La distribucién bajo la Hi cierta es simétvica respecto a 4s. Es, en base a esta distribucién, que se calculan los puntos criticos, que determinan bajo la IE falsa By 1 - B. Por lo tanto, las distribuciones bajo el supuesto de la. Hh falsa, son simétricas en relaci6n a sus respectives valores centrales ji, pero no en relacién a los puntos eriticos. Esto hace que I ~ sea la suma del area sombre: que insistimos, no son simétricas. Prok, Cara. Gladys M. Rowadi 123I Probabilidades y Extadistica Luego: a=Pr{t <¥; /H,}+ Pele > x /H,} ms B=Pr 1- B=Prie 57H, ) Varianza Poblacional Desconocida. n<30 Corresponde al caso de la distribucién seleccionado debera ser: n230 Por aplicacién al Teorema Central del Limite se aproxima la distribucién distribucién normal, definiendo el estadistico. “ ala Poblaciones No Normales Varianza poblacional Conocida y desconocida con n 2 30. Por aplicacién del T.C.L. se aproxima a la distribucién normal, definiendo el estadistico como: N(Q,1) Si o es conocida. N(O,1) Si o’ es desconocida. Prok, Cara. Gladys M. Rowadi 124I Probabilidades y Extadistica 7. DOCIMA PARA P. USO DE LA DISTRIBUCION NORMAL nde P. Aplicaremos en este caso lo explicado en estimac Lucgo: o-P oo O=P- NP, [Po as Nota: En este caso de Docima utilizaremos 075 pues el valor para Pseré el supuesto de £6 IL segtin corresponda, de acuerdo a lo que desarrollaremos seguidamente. Docima de Hipétesis Simples Docima Lateral Derecha Hipstesis Hs P=P, Hy P=P, donde P>Py Punto Crit jPod Fi) oO ean, Prof, Cara. Gladys M, Rowadi 125Probabilidades y Extadistica Aceptar 1. (No rechazar Fh) Rechazar Hh Sise ha determinado 2” Si asa Aceptar Fh (No rechazar Fh) zon Rechazar Hs Donde: Probal Si Hino es cierta, es decir Pno es igual a P., entonces existe otra distribucién centrada en. el valor mayor supuesto en la hipétesis alternativa, es decir 2, generando las probabilidades f y 1 - £. Hh Cierta Prok, Cara. Gladys M. Rowadi 126I Probabilidades y Extadistica Luego Docima Lateral Izquierda Hipstesis Hb: P=P, H P=P, donde BEB, Punto Critico ne [P,d-P, A . Pop -2,, [EBD 6 2 Von Prof, Cara. Gladys M, Rowadi 27I Probabilidades y Extadistica Regla de decision Siz Aceptar 1. (No rechazar Fh) Rechazar Hh Sise ha determinado z* Si z2z Aceptar 1, (No rechazar 1) z P'/H, j= Pr) z >= a=reli2 i.) -P1]o2 ten Va Docima de Hipétesis Compuestas Docima Lateral Derecha Hipotesis Hh: P=P, Hi. P>P, Graficamente Punto Critico [Ra-P) 6 Prof, Cara. Gladys M, Rowadi 129Probabilidades y Extadistica Aceptar 1. (No rechazar Fh) Rechazar Hh Sise ha determinado z* Si usa Aceptar 1, (No rechazar 1) aoa Rechazar Hh Donde: Probal Si Hh no es cierta, es decir P no es igual a P., entonces existe otro conjunto de distibuciones posibles, centradas en valores de Pmayores a /, segtin ind alternativa, generando las probabilidades By I - £. Graficamente Hs Cierta Y asi, como antes, podriamos suponer mas distribuciones. Prok, Cara. Gladys M. Rowadi 130I Probabilidades y Extadistica Luego: Docima Lateral Izquierda Hipstesis Hh: P=P, MH. Pz, Rechazar Fi Donde: 7 Probal 2's involucradas Si Th no es cierta, es decir P no es igual a P., entonces existe otro conjunto de posibles, centradas en valores de Pmenores distribucions la hipétesis alternativa, ge Prok, Cara. Gladys M. Rowadi crando las probabilidades By I - £. Probabilidades y Extadistica mayores a Z,, segtin indica 134I Probabilidades y Extadistica Ho Gierta UL Bi P, 1-8 @.\___| » 1-p Ne 1-g Pp 6 1-p | | 1-p 6 n 1-p 1-8 |__| Pp, Nota: Remitimos a nota en Probabilidades involucradas de la docima bilateral para 44, en relacion a I~ £. Lucgo: a=Pr{P

By /H,|=Pr Prof, Cara. Gladys M, Rowadi 135I Probabilidades y Extadistica 8 CURVA OPERATORIA CARACTERISTICA (OC) ¥ CURVA DE POTENCIA 1 - B= Pr (Rechazar Fh / Fh Falsa} = Potencia de la docima Esta probabilidad mide la potencia que tiene la docima para rechazar la hipétesis nula cuando es falsa, Ademas, dijimos que a y f varian en sentido invers varfan en el mismo sentido. Cuando la hipétesis alternativa es compuesta, segin ya mencionamos, hay un conjunto de valores posibles para el parémetro (espacio paramétrico) y en consecuencia un conjunto de distribuciones posibles para el estimador. Asi, en cada una de estas distribuciones se genera una probabilidad distinta (f) de aceptar Ff, cuando es falsa, y por lo tanto, hay un valor diferente para 1 - f. En base a ello se definen: Curva de Potencia, a aquella que relaciona todos los valores posibles del metro con la probabilidad de rechazar H, para un determinado a. Sila Hes cierta, Pi 1 - B - a Es decir, que 1 ~ Bseré distinto de a cuando Hi sea falsa. Curva Operatoria Caracteristica 0 Curva OC, es aquella que relaciona los posibles valores del pardmetro con la probabilidad de aceptar Fé, para un determinado @ Es el complemento de la funcién de potencia. Cnando Hi es cierta, 6 distinta ( #1 ~ a si Hoes falsa 1 - @, sélo sera mente para una docima lateral derecha Curva de Potencia Curva OC 1-f B 1 lor 1 ‘op | 1-p 5 y 4 1-p a 8B 1 I AAA AAA 8 AAA AAA 8 Fig. 1 Fig. 2 Prok, Cara. Gladys M. Rowadi 136I Probabilidades y Extadistica Hemos considerado, en la abscisa a los diferentes valores del parametro y en la ordenada sus correspondientes probabilidades 1 - . Debajo de la curva encontramos la potencia de la docima para cada valor supuesto de 0, y su diferencia con 1 (mixima probabilidad) indica f , probabilidad del Error Tipo II. En el punto en que @= 0,1 - 8 -ay p-l-a Realizaremos un razonamiento idéntico, pero ahora los valores por debajo de la curva corresponden a # (ya que la ordenada se rotula con las correspondientes Probabilidades ) y sus diferencias con I (probabilidad maxima) corresponden a | ~ Por otro lado, consideraremos la influencia que a, 1 y o ejercen sobre la potencia de la docima, asi diremos: 1) Aumentando © disminuyendo @, s varfan en idéntico sentido. puede aumentar o disminuir 1 - 8 , pues 2) Mientras mayor sea 1 (tamaiio de la muestra), menor sera la variabilidad del estimador de @, © sea, menor seré , y por lo tanto mas concentrado alrededor de 0, Jo que hard disminuir a f , ¢ incrementar 1 ~ £ , lo cual hard mas potente ala docima. Este efecto también se logra a través de una menor varianza poblacional, es decir, reduciendo o, Las curvas de potencia son iitiles pa cual de ellas ‘a comparar dos o mas docima y determinar s mas potente, 0 sea cuil es mas efic La docima mis conveniente sera aquella que sea uniformemente més potente, es decir que para todos los posibles valores del parametro (en todo el espacio paramétrico) la probabilidad 1 - 8 sea superior, lo cual asegura para un a dado, una menor probabilidad para el Error Tipo IT. Se dice que las otras son inadmisibles, pues segtin el valor del pardmetro pueden tener un 1 - 8 mayor o menor, y al no conocer el verdadero valor del parametro, no sabemos a qué situacién vamos a enfrentarnos. Prok, Cara. Gladys M. Rowadi 137I Probabilidades y Extadistica B La curva B es uniformemente A mis potente ‘A Se dice que son inadmisibles 0 Entonces, la docima uniformemente mas potente, minimiza # , manteniendow. Como no conocemos el verdadero valor de 8, la tinica forma de minimizar, es utilizando una docima uniformemente mas potente, porque asf tenemos la seguridad de que elvalor de @, f sera siempre menor que en las otras docima. Vamos a plantear un caso base, a partir del cual produciremos tres tipos de modificaciones, con el fin de ejemplificar los distintos tipos de docima. En cada una de cllas, construiremos las Curvas de Potencia y OC. Supongamos que segrin un proceso de fabricacién se produce una pieza que tiene s de 100 y desviacién una caracteristica tipica de 12, iable con distribucién normal, cuya media 1) Se propone un nuevo método de fabricacién, que se asegura, aumenta la de verificarlo se fabrican 36 del 0,028. La ‘media, lo cual significa una ventaja para la Fabrica. A los fin piezas con el nnevo proceso, y se establece un nivel de signific muestta dio como resultado una media de 103. Se pregunta, {Fs aconsejable cambiar el proceso? Nos enfrentaremos a un problema de toma de des continuar con el actual proceso 6 cambiarlo, Entonces una docima permitira siones: decision. En primer término el pardmetro objetivo es la Media Poblacional. La poblacién de la cual se extrae Ja muestra es Normal, y la varianza poblacional es conocida, Luego sera de aplicacién de Distribueién Normal. Prok, Cara. Gladys M. Rowadi 138I Probabilidades y Extadistica 6=3- Nluio/ K(6;0)-2-4 - v0.1) own Antes de plantear la hipétesis, extraigamos los datos: Proceso Actual: = 100 o- 12 ‘gura que el cambio aumentard la media. n= 36 F=103 a= 0,0228 Luego: H,:4=100 (Media sin modificacién) H,:H>100 — (Modificacin propuesta) La docima es lateral derecha, y su gréfica bajo el supuesto de HZ cierta ser Punto Critico: ¥<104 F>104 Prok, Cara. Gladys M. Rowadi 139I Probabilidades y Extadistica 03 <" =104, aceptamos, o bien no rechazamos Fh. Esto indicaré que el nuevo proceso no aumenta la media, pues la muestra extraida sigue teniendo media igual a 100 (Cuando aceptamos £4, aceptamos el valor supuesto en ella). Por lo tanto se aconseja no modificar el proceso actual. Ademas consider Siendo -mos que el hecho de aceptar, no significa que HE sea cierta. Entonees, si fuera falsa, ¢Cual es el verdadero valor de entre todos los posibles? probabilidades By 1 - Ba las que nos podemos enfrentar? Para calcularlas, supondremos otros valores para f1, que en el caso de una docima lateral derecha, serin mayores que 100, Consideremos por ejemplo 102, 105 y 107. iiles son las 1-a@ 509772 r= 0,0228 11,}= fe 1- B=Prie>z"/H,} Caleulemos fy 1 ~ f surgiré como su complemento. 1) B=Pr 1- B=1-0,8413 1583 Prok, Cara. Gladys M. Rowadi 140Inde Probabilidades y Estadistica 2 porelese In -08}-Pfe5 Pr{z <-0,5}=1-Pr{z <0,5}= =1-0,6915 = 0,3085 1 B=1-0,3085=0,6915 104-10" 3) B=Prfe< x" /y, =107}= mf: < =1-0,9332 = 0,0668 1- B=1-0,0668 = 0,9332 Asi, podremos construir la siguiente tabla: A pantir de esta informacién graficamos Prof, Cara. Gladys M. Ronadi MiI Probabilidades y Extadistica | a0 on 100 10: 102 103 106 105 106 107 108 400 101 t02 105 xo4 105 196 107 108 B Curva OC Curva de Potencia 2) Supongamos ahora que la ventaja para la fabrica esta en disminuir el valor de la media y que se espera que el nuevo método propuesto produzea ese efecto. En la muestra de 36 piezas que se toma, la media es ahora de 92. Fsto implica plantear la hipétesis de la siguiente manera: Hy: 100 el Entonces ahora es izquierda. Hy: (100 Graficamente: Hi cierta Punto Critico: My 2g = My Zag vn =100-2x. Regla de decision: 96 Rechazar Ih Si F< ¥296Aceptar Hh — (No rechazar Hf) Prok, Cara. Gladys M. Rowadi 142Inde Probabildades y Esadistca Siendo ¥=92104 Rechavar Hi Siendo ¥=95<¥" =96, rechazamos FL, por lo que aconsejarfamos no efectuar la modificacién propuesta. El calculo de las probabilidades By 1 - se sintetiza en la siguiente tabla, considerando valores menores y mayores a 100, Prok, Cara. Gladys M. Rowadi 144Inde Probabilidades y Estadistica B 1 g o %2 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 RQ Curva OC Prot. Cara. Gladys M, Rowadi “5I Probabilidades y Extadistica 0 0 92 93 94 95 96 97 98 99 100 101 102 105 106 105 106 107 108 Curva de Potencia 9.DOCIMA PARA LA VARIANZA Planteamos en el parimetro a docimar, el estimador y el estadistico Docima de Hipotesis Simples Lateral Derecha Hipétesis 3 2g? H,:0? =07 donde o? )o? Prok, Cara. Gladys M. Rowadi 146I Probabilidades y Extadistica Hh Cierta 0 ma de Aceptacion, ZdeR 2 Kn ea Acepto H, Dx" Rechazo H, Donde * oe SiH, no es cierta, es decir o*no es igual a o?, entonces existe otra distribucién, com una mayor dispersion, generando las probabilidades B y 1-B, luego: a=Priy’) 77H} a=Prly* <7" /Hy} B=Priz* 1p =Prfy?) 2” 1H) Prok, Cara. Gladys M. Rowadi 147I Probabilidades y Extadistica Lateral Izquierda Hipétesis donde 0? (03 Ho Cierta La 0 ‘Zona de Aceptacion * Punto Critic 2 2 KF knava Regla de decisi Si EL Acepto Hy 2 _ SF (n-l) 24" Rechazo Hy Donde oF Probabilidades involucradas SiH, no es cierta, es decir ono es igual a o2, entonces existe otra distribucién, con una menor dispersién, generando las probabilidades B y 1-B, luego: Prok, Cara. Gladys M. Rowadi 148I Probabilidades y Extadistica a=Priy?( 7" 1H} l-a=Prly? > 7" /Hy} Barre? 2 2" 1H} 1 parry? 77 1H,} Docima de Hipéstesis Compuestas Lateral Derecha Hipétesis H,:0° = og) og H,:0°) 0% Ho Cierta 0 Zona de Aceptacion ZdcR Punto Critico: la de decision Si HSL" Acepto Hy — go = LL Rechazo Hy, Donde os nvolucradas Prof, Cara. Gladys M, Rowadi 149I Probabilidades y Extadistica Si #, no es cierta, es decir ono es igual a a2, entonces existen otras distribuciones, con una mayor dispersion, generando las probabilidades By 1-B, luego: a=Pr{y?) 7" /H} 1-a=Priy? <7" /H,} B=Prly?) 2" 1H} Lateral Izquierda Hipotesis Hy:0 =o H,:0°( ao; Ho Cierta 1a 2 x 0 ZdeR Zona de Aceptacién ~ 2 2 Punto Critico: X= Xn-ta Regla de decision Si LE Acepio Hy, LE Rechazo Hy Donde a Probabilidades involucradas Prok, Cara. Gladys M. RowadiI Probabilidades y Extadistica SiH, no es cierta, es decir o*no es igual a a2, entonces existen otras distribuciones, con menores 0 mayores dispersiones, generando las probabilidades B y 1-B, luego: a= Pry 7" Hy} lea =Priy? > 7" /H,} pares 1m) 1-p=Pr{y* 71H} Bilateral Hipotesis 2g Hy:0° =03 tote? H,:0° #0; a2 a2 zr 0 ZLdeR Ze Aceptacién ~ BE = Krai Punto Critico: Regla de decisi6n Si <0 <15 Acepto Hy PUR 6 2) AP RechacoH, Donde a Prok, Cara. Gladys M. RowadiI Probabilidades y Extadistica Probabilidades involucradas Si #, no es cierta, es decir ¢?no es igual a 62, entonces existen otras distribuciones, con una menor 6 mayor dispersién, generando las probabilidades B y I-P, luego: ae Prly? (2 Hy} Pex?) 23°} lea=Priy? <4? < 77 1H} Ba Pilg , el intervalo correspondiente no contendra al verdadero valor del parametro, es decir sera uno de los arintervalos que no la contienen. Prof, Cara. Gladys M, Rowadi 1sI Probabilidades y Extadistica BIBLIOGRAFIA * DORFLINGER, Giencias Economicas. U. “Notas de Estadistica y Probabilidad” Tomo I, Raculiad de 1978 * DORFLINGER, José H. “Notas de Estadistica y Probabilidad” .Tomo II, Facultad de Ciencias Economicas. U.N.C 1977 * CARRIZO, José F. - CARRIZO, José F. (H). “Nociones de Inferencia Estadistica”. Facultad de Ciencias Econémicas. U.N.C. 1974. * CARRIZO, José F. “Distribucién en el muestreo”. Facultad de Ciencias: Keondmicas. UNC 1974, * FERRERO, Ferando “Muestreo”. Facultad de Ciencias Economicas. UN.C. 1973 © SHAO, Stephen P. “Estadistica para Economistas y Administradores de empresas". Herrero Hnos, Sues. SA. 1979, © CHOU, Ya-Lun. “Anilisis estadistico”, Segunda Edicion Interamericana.. 1977. * CHAO, Lincoln L. “Estadistica para las Ciencias Administrativas”. Segunda Edicion. Me. Craw Hil, 1975. © YAMANE, Taro “Estadistica”. Tercera Edicion. Harla, 8.A. de CV. 1977. + NETER-WASSERMAN-WHITMORE, “Fundamentos de Estadistica para Negocios y Economia”. Nueva Edicion. CECS.A. 1978. © GILBERT, Norma. “Ptadisuica". Interamericana 1981 * BERENSON, M. L. - LEVINE, D. M. “Estadistica para Administracion y Economia” Conceptos y aplicaciones, Primera Edicion, Interamericana. 1982, © HANKE, John E- REITSCH, Arthur G. “Estadistica para Negocios” «SANCHEZ CARRION, Juan Javier. “Manual de Anilisis de datos”. Madrid. 1995. Alianza Editorial. S.A. + NIDIA BLANCH- SILVIA JOECKES. *Ftadistica Aplicada a la Investigacion". Modul IX: Inferencia Etadistica. Estimacién de Pardmetros y Prueba de Hipétesis. Departamento de Educacion a Distancia. U.N.C. Facultad de Ciencias Econémicas. Marzo 1995. + NIDIA BLANCH. SILVIA JOECKES. “Estadistica Aplicada a la Investigacion". Modulo X: Disetio de experimentos y seleccién de muestras aleatorias de aplicaciones finitas. Departamento de Educacién a Distancia, ULN.C. Facultad de Ciencias Econémicas. Marzo 1995. + PAULO AFONSO LOPES. “Probabilidad y Estadistica", Conceptos, Modelos, Aplicaciones en Excel. I! Edici6n. Pearson Educacién. Colombia, 2000. Prof, Cara. Gladys M, Rowadi Iss